![](https://static.youtibao.com/asksite/comm/h5/images/m_q_title.png)
考虑含有三个自变量的多元回归模型,并满足假定MLR.1到MLR.4,你对估计x1和x2,的参数之
考虑含有三个自变量的多元回归模型,并满足假定MLR.1到MLR.4,你对估计x1和x2,的参数之和感兴趣;把这个和记为θ1=β1+β2.
![](https://static.youtibao.com/asksite/comm/h5/images/solist_ts.png)
考虑含有三个自变量的多元回归模型,并满足假定MLR.1到MLR.4,你对估计x1和x2,的参数之和感兴趣;把这个和记为θ1=β1+β2.
你是否同意以下命题?并对你的判断给出简要说明。
(i)像横截面观测一样,我们可以假定大多数时间序列观测是独立分布的。
(ii)时间序列回归中的OLS估计量在前三个高斯-马尔科夫假定下是无偏的。
(iii)在多元回归中,一个含有趋势的变量不能用作因变量。
(iv)在使用年度时间序列观测时,不存在季节性问题。
假设决定y的总体模型是,而这个模型满足假定MLR.1~MLR.4。但我们估计了漏掉x3的模型。
回归的OLS估计量。(给定样本中自变量的值)证明
的期望值是
析方法。运用十分广泛,回归分析按照涉及的自变量的多少,可分为一元回归分析和多元回归分析:按照自变量和因变量之间的关系类型,可分为线性回归分析和非线性回归分析。()
此题为判断题(对,错)。
令d表示一个(--值)虚拟变量,并令:表示一个定量变量。考虑模型
这是含有一个虚拟变量和一个定量变量之交互作用的一般性模型[方程(7.17)中有一个例子]。
(i)由于没有重大变化,所以取误差为u=0.于是,当d=0时,我们可以把y和z之间的关系写成函数 。当d=1时,同样写出y和z之间的关系,其中左边应该使用f1(z),以表示Z的线性函数。
其中所有系数和标准误都保留到小数点后三位。利用这个方程, 求出使得男女log(zo age) 的预测值相等的totcoll值。
(iv)基于第(iii)部分中的方程,女人能现实地获得足够多的大学教育而赶上男人的工资吗?请解释。
A.二元线性回归
B.二元二次线性回归
C.多元线性回归
D.一元线性回归
下面这个模型是比德尔和哈默梅什(BiddleandHamermesh,1990)所用多元回归模型的一个简化版本,原模型研究睡眠时间和工作时间之间的取舍,并考察影响睡眠的其他因素:
sleep=β0+β1totwrk+β2educ+β3age+u
其中,sleep和totwrk都以分钟/周为单位,而educ和age则以年为单位。(也可参见计算机练习C3。)
(i)如果成年人为工作而放弃睡眠,β1的符号是什么?
(ii)你认为β2和β3的符号应该是什么?
(iii)利用SLEEP75.RAW中的数据,估计出来的方程是
sleep=3638.25-0.148totwrk-11.13educ+2.20age
n=706,R2=0.113.
如果有人一周多工作5个小时,预计sleep会减少多少分钟?这是一个很大的舍弃吗?
(iv)讨论educ的估计系数的符号和大小。
(v)你能说totwrk,educ和age解释了sleep的大部分波动吗?还有什么其他因素可能影响花在睡眠上的时间?它们与totwrk可能相关吗?